清洁机器人是自动化控制在人类现代生活中的体现之一,其融合了运动控制技术、信息处理技术以及人工智能等多学科的知识。其关键技术包括传感检测技术、路径规划技术、自动回充技术、电源技术等。其中,路径规划技术是清洁机器人实现智能化的关键指标,同时也是清洁机器人研究的热点问题。清洁机器人的路径规划技术要求是遍历工作区域中除障碍物以外的所有区域。本文针对这一研究热点,提出一种新的基于单元分解法的清洁机器人全覆盖路径规划方法。清洁机器人进行全覆盖路径规划的前提是具有环境地图创建以及自我定位的能力。在环境地图创建方面,采用沿边学习的方式,利用机器人本身的红外传感器以及碰撞开关获取环境的轮廓信息,同时通过超声波传感器获取环境中障碍物边界的距离信息,然后划分子区域并根据栅格法建立子区域地图。机器人通过编码器和陀螺仪传感器的信息进行自我定位,由于传感器本身的测量误差无法避免,因此针对清洁机器人系统采用扩展卡尔曼滤波对传感器信息进行数据融合,获得机清洁机器人运动过程中的最优位姿估计,通过仿真验证了算法的有效性。清洁机器人完成了沿边学习之后,得到划分的子区域,采用迂回遍历模板对子区域进行覆盖,并且根据能量时间最小原则确定其行走方向。论文提出的全覆盖路径规划算法是基于沿边学习—子区域划分—子区域遍历—沿边学习的思想完成的。并且在对子区域进行遍历的过程中,清洁机器人通过传感器检测到的信息判断由孤立障碍物之间形成的初步无法遍历的子区域,并在初步遍历结束后对其进行补充遍历。最终,完成工作区域的完全遍历。本文在全覆盖路径规划算法的基础上,搭建了清洁机器人的实验平台,包括硬件和软件的设计。清洁机器人运动模型是两轮差速驱动,前方由万向轮辅助支撑以及转向。控制系统包括电源模块、串口通信模块、电机驱动模块、传感信息采集模块等。软件设计包括电机驱动PWM波形产生、各传感器信息采集以及全覆盖路径规划算法。